關於 可解釋的機器學習 ，我們在網路上蒐集到這些相關的討論、資訊與評價

#11. AI的可解釋性是什麼？能吃嗎？

機器學習 ，或是說人工智慧快速的發展，讓所謂的「預測能力」大大提升，但是你信任預測出來的結果嗎？或是說你相信這個模型嗎？專業領域內的學者有他們 ...

#12. 什麼是Machine Learning 預測的公平性和模型解釋性？

亞馬遜SageMaker Cleven 透過偵測潛在的偏差並協助解釋模型所做的預測，協助改善您的機器學習(ML) 模型。它可協助您識別在訓練前資料和後期訓練中可能出現的各種偏差， ...

#13. 什麼是機器學習的可解釋性？ / What is the Interpretability to ...

​這是以「可解釋機器學習：黑盒模型可解釋性理解指南」第二章「可解釋性」(interpretability)製作的投影片，供大家參考。 投影片/ Slide; 參考文獻/ Reference; 簡介 ...

#14. 什麼是機器學習？| 定義、類型和範例

從各方面而言，這種模式很類似於教導某人如何下棋，雖然您無法演示所有可能的棋步，但可以解釋規則，並透過練習培養技能。 ... 機器學習演算法可辨識模式和關聯性，因此擅長 ...

#15. 利用機器學習模型解釋工具來了解Pokemon 對戰勝率 ... - InfuseAI

至於本次我們將會使用SHAP (SHapley Additive exPlanations) 來進行我們的可解釋性模型的整理， SHAP 是一個賽局理論的方法，將模型的預測結果分析成每個 ...

#16. 6个机器学习可解释性框架！ - 腾讯云

在可解释性领域，最早出名的方法之一是LIME。它可以帮助解释机器学习模型正在学习什么以及为什么他们以某种方式预测。Lime目前支持对表格的数据，文本分类 ...

#17. 機器學習可解釋技術在商業智慧中對使用者信任之影響

近年來機器學習引發了人工智慧(Artificial Intelligence, AI) 應用的新趨勢。 AI 被應用於越來越複雜的任務和領域中。然而，大多數AI 模型都在黑盒(Black box)中運行， ...

#18. 《可解释的机器学习--黑盒模型可解释性理解指南》，该书为 ...

可解释的机器学习 --黑盒模型可解释性理解指南》，该书为《Interpretable Machine Learning》中文版- GitHub - MingchaoZhu/InterpretableMLBook: 《可解释的机器学习-- ...

#19. 可解釋人工智慧XAI 把黑箱模型變透明｜投書- 未來城市＠天下

Appier首席機器學習科學家林守德解釋，如果行銷人員想針對不同客群，提供不同的優惠訊息，人工智慧將是可以利用的工具；「一旦掌握了人工智慧模型區分 ...

#20. 【QA】什麼是可解釋AI（Expalainable AI）?

機器學習 或深度學習一直以來被視為「黑盒子」，但在現實產品佈署過程中，不只需要模型效能好，為何模型會有...

#21. Explainable AI

Explainable AI 是一款工具和架構組合，可協助您理解和解釋由機器學習模型產生的預測資料，並且原生整合於多項Google 產品和服務。透過Explainable AI，您就能偵錯並提升 ...

#22. 可解释的机器学习

而模型的解释性方法（Interpretability）只是在模型之上增加了一层，以便于人们（Humans）更好地理解预测过程。 TB1XHgbeRGE3KVjSZFhXXckaFXa.jpg. 可解释机器学习的大框架.

#23. 入门可解释机器学习和可解释性【内容分享和实战分析】

在机器学习逐渐黑盒化的情况下，人们对模型的可解释性也提出了要求。可解释人工智能（XAI）被列为数据和分析技术领域的top10重要趋势之一。在2017年，美国国防部开展 ...

#24. 可解釋的人工智能- beyond.ai

在能源、醫療和金融等高風險、高價值產業中，相信表面化的機器學習產生的決定，而沒有可解釋理解之推理過程，風險實在太高。因為機器學習是許多AI 系統的元件，我們 ...

#25. 终于有人把可解释机器学习讲明白了

为了解决模型的“黑盒”问题，科学家们提出了可解释机器学习。除了预测的精准性之外，可解释性也是机器学习模型是否值得信赖的重要衡量标准。

#26. 关于机器学习模型的可解释性算法

目前很多机器学习模型可以做出非常好的预测，但是它们并不能很好地解释他们是如何进行预测的，很多数据科学家都很难知晓为什么该算法会得到这样的预测结果 ...

#27. 則包含該關鍵詞出現在任一欄位(含基本資料及摘要)的所有計畫

近年來隨著人工智慧與智慧應用(intelligent applications) 的發展，演算法決策帶來的公平、透明、與究責等問題，讓學者專家們逐漸重視機器學習模型的可解釋性(machine ...

#28. 机器学习模型的可解释性 - 人工智能

机器学习 业务应用以输出决策判断为目标。可解释性是指人类能够理解决策原因的程度。机器学习模型的可解释性越高，人们就越容易理解为什么做 ...

#29. 可解釋人工智慧在金融市場之應用

... 解釋機器學習判斷原理的方法，從而找到可用於未來研究和預測中的對預測波動率來說的最重要指標。關鍵字：風險預測、波動率、機器學習、可解釋人工智慧、技術指標。

#30. 每日AI前沿术语：可解释机器学习（Explainable Artificial ...

... 机器学习（XAI）用来解决机器学习模型背后缺乏透明度的问题。可解释性是指能够使模型具有向人类解释，机器学习模型表现可解释性的方法[3]。如通过局部解释 ...

#31. 可解释的人工智能

一个可以解释的AI（Explainable AI, 简称XAI）或透明的AI（Transparent AI），其行为可以被人类容易理解。它与机器学习中“ 黑匣子” 的概念形成鲜明对比，这意味着复杂 ...

#32. 朝向可解釋的AI：法學上的意義與運用實例 - 臺灣人工智慧行動網

這些模型的可解釋性，又有什麼高低程度的不同呢？延續剛才的說法，主要的目標或是可解釋性提升的對象，畢竟還是監督式的機器學習，我們如何將它應用在分析 ...

#33. 常用AI/机器学习模型可解释技术与工具

模型的解释和说明可以提供这些问题的答案，帮助我们调试模型，减少偏差，并建立对模型的信任。 大家对机器学习模型的可理解性和可解释性越来越感兴趣。

#34. Explainable AI 可解釋的機器學習| 超硬派！數據實戰技術 ...

Explainable AI 可解釋的機器學習| 超硬派！數據實戰技術工作坊#01. 資料科學的發展從前幾年的啟蒙正在逐漸落地中，快速更迭的AI 技術更是不停的推陳出新。身為數據人的 ...

#35. 机器学习的可解释性-人工智能

机器学习 的可解释性. 袁洋. 上一篇 · 下一篇. 分享到. 电话. 021-54652653； · 021-54652657. 地址. 上海市徐汇区云锦路701号40-41楼. a1_erweima.jpg. 关注我们.

#36. 机器学习的可解释性- iFzh

背景近几年，人工智能的可解释性问题受到了来自政府、工业界和学术界的广泛关注。美国国防部先进研究项目局DARPA资助了可解释性人工智能 ...

#37. 机器学习可解释性-The explanation of Machine Learning

如果Yellowbrick 侧重于特征和模型性能解释，ELI5 侧重于模型参数和预测结果。 ELI5 是一个Python 包，有助于机器学习的可解释性。取自Eli5软件包，此软件 ...

#38. 机器学习模型可解释的重要及必要性-AI量化知识库

在某些领域，特别是在金融领域，比如保险、银行等，数据科学家们通常最终不得不使用更传统更简单的机器学习模型（线性模型或决策树）。原因是模型的可解释 ...

#39. 机器学习的可解释性为何如此重要？

机器学习 的可解释性为何如此重要？ 在传统统计学中，我们通过数据构建并验证假设来建立模型。通过构建的模型我们可以得到一系列规则并应用 ...

#40. 一文讀懂可解釋機器學習簡史，讓你的模型再也不是「Black ...

近年來，可解釋機器學習（IML） 的相關研究蓬勃發展。儘管這個領域才剛剛起步，但是它在回歸建模和基於規則的機器學習方面的相關工作卻始於20世紀60 ...

#41. 机器学习可解释性（Interpretability） | SynABC.com

机器学习可解释 性（Interpretability），或XAI（Explainable Artificial Intelligence ），其实就是搞机器学习的研究者们始终存在的一个担忧：很多 ...

#42. 什么是可解释的人工智能？

一组帮助人类用户理解和信任结果的流程和方法机器学习 算法。 正如你所猜测的，这种可解释性非常重要，因为人工智能算法控制了许多领域，这伴随着 ...

#43. 可解釋的機器學習

以深度學習為代表的各種機器學習技術方興未艾，取得了舉世矚目的成功。然而，在解釋模型為什麼奏效及如何運作方面，目前學界的研究還處於非常初級的 ...

#44. 為什麼可解釋人工智慧（Explainable AI， XAI）是人工智慧的 ...

人工智慧(AI) 已經改變許多生活及商業領域。人工智慧和機器學習提供錯誤答案的案例也越來越常見。AI專家Amy Hodler探討了AI演算法如何出錯， ...

#45. 可解释的机器学习 - 产品经理的人工智能学习库

机器学习 模型被许多人称为“黑匣子”。这意味着虽然我们可以从中获得准确的预测，但我们无法清楚地解释或识别这些预测背后的逻辑。

#46. 机器学习的可理解性与可解释性- kdnuggets

机器学习 中可理解性interpretability和可解释性explainability是两个重要概念，对建立值得信赖和道德的AI系统非常重要。 在机器学习和人工智能的背景 ...

#47. 阅读报告：可解释性机器学习模型| Academic - Hu Huaping

阅读报告：可解释性机器学习模型. 胡华平. Last updated on Mar 26, 2021 6 min read. 1 阅读目标和进度. 1.1 时间进度. 2 可解释模型（chapter 04）. 2.1 线性回归 ...

#48. 《可解释机器学习》中文版重磅开源

最近，一位来自复旦大学的研究生朱明超，将一本少有的书《Interpretable Machine Learning》（可解释机器学习）翻译成了中文。

#49. 可解釋與可視化AI技術發展現況與應用機會分析

本文重點為探討人工智慧在資料取得和模型運作兩方面的黑箱問題，其相關的改善方式發展現況，以及改善後可能衍生出的應用機會。人類經驗的無形性使機器學習發生困難的 ...

#50. 美國國防部也在用「可解釋的智慧技術」是什麼？

現今諸多機器學習應用都呈現超越人類的效能，技術的突破在於我們可以訓練具龐大參數的機器學習模型；從傳統僅使用幾十個參數的方法(如SVM)提升到包含 ...

#51. 可解釋的人工智能Explainable Artificial Intelligence

人工智能中使用的機器學習（ML）算法可以分為白盒和黑盒。白盒模型提供主題專家可以理解的結果。另一方面，黑盒模型非常難以解釋，領域專家很難理解。 XAI算法 ...

#52. 机器学习模型的可解释性研究

机器学习 模型的可解释性研究. 目录 收起. 1. 引言. 1.1 加载必要的依赖项. 1.2 载入数据集. 1.3 特征工程. 1.4 划分训练集和测试集. 1.5 训练分类模型.

#53. 什麼是機器學習？

人工智慧為廣義詞，意指能模擬人類智慧的系統和機器。機器學習和AI 經常一起被討論，且有時術語可以互換使用，但其含義並不相同。其中一項重要的區別 ...

#54. 打开AI的黑盒子：模型可解释性的现状、应用前景与挑战

机器学习 模型可解释性方面的研究，在近两年的科研会议上成为一个相当热门的话题。随着机器学习应用越来越广泛，大家不再仅仅满足于模型的效果，而是 ...

#55. 模型黑盒｜机器学习模型的“可解释性”研究

但讽刺的是，即使神经网络可解释性差，在乳腺癌切片的图像诊断上，机器学习模型可以达到89%的准确性，而训练过的病理学家只有73%的平均准确率。由此可见， ...

#56. 可解释人工智能：本源、 进路与实践

... 可解释人工智能（Explainable AI）项目，. 该项目从可解释的机器学习系统与模型、人机交互技术以及可解释的心理学理论三个方面，全. 面开展可解释性AI 系统的研究。欧洲 ...

#57. 机器学习- 模型可解释性- FingerLiu

可解释 性是人可以理解系统决策的一个度量(Interpretability is the degree to which a human can understand the cause of a decision.)

#58. 何謂機器學習？

機器學習 (ML) 是人工智慧(AI) 的一種，讓系統從資料當中反複學習，其方法是透過各種演算法來識別資料中的模式，然後使用可產生精確模型的資料來加以訓練， ...

#59. 《可解释机器学习》最新中文pdf版

机器学习 模型经常被批评是技术黑箱：只要输入数据就能得到正确答案，但却无法对其进行解释。ChristophMolnar在其新书中呼吁大家当前是时候停止将机器 ...

#60. 什么是可解释的AI (XAI)？- 瞻博网络

可解释 的AI (Explainable AI) 是方便用户理解和信赖由AI 机器学习(ML) 算法计算所得结果和输出的一套过程和方法。

#61. 浅谈机器学习模型的可解释性和透明性

如图1 的output 所示，为一般网络给出的决策，缺乏可解释性的结果让使用者感到困惑，严重限制了其在现实任务中的广泛应用。 机器学习. 图1 如今的深度学习 ...

#62. 可解释机器学习发展和常见方法！_模型

可解释机器学习 （Interpretable machine learning ，简称IML）可以用来来发现知识，调试、证明模型及其预测，以及控制和改进模型。 研究人员认为IML的发展 ...

#63. 可解释机器学习- 图书

可解释机器学习 豆瓣评分：9.0 简介：本书先从背景出发，阐述黑盒模型存在的问题以及不解决黑盒问题模型可能带来的后果，引出可解释机器学习的重要性；随后，我们从可 ...

#64. 【 免費開放書：可解釋機器學習（Interpretable Machine... ...

免費開放書：可解釋機器學習（Interpretable Machine Learning: A Guide for Making Black Box Models Explainable） 】...

#65. XAI系列②：模型可解释性技术概览

在此，我们不将AI技术局限在机器学习或深度学习技术。基于图以及语义网络为基础的知识图谱，具备自然的可解释性，在此也划入了XAI技术的行列。

#66. 简单梳理一下机器学习可解释性（Interpretability） - 知行编程网

来自| 知乎作者| 谢天凯链接|https://zhuanlan.zhihu.com/p/141013178编辑| 深度学习这件小事本文经作者授权转载，请勿二次转发机器学习可解释性在学术界也讨论了好几 ...

#67. LIME机器学习可解释性分析 - Bilibili

同济子豪兄 可解释机器学习 公开课】包含人工智能可解释性、显著性分析领域的导论、算法综述、经典论文精读、代码实战、前沿讲座。

#68. 人工智能的下一个挑战—— 可解释性和可诠释性？

樊麾的这句经典点评，恰恰反映了我们正在使用超精确的机器学习（ML）模型时所面临的问题。尽管这些模型展示了超越人类的能力，但我们尚不确定输入的数据中 ...

#69. 机器学习模型可解释性方法、应用与安全研究综述

摘要: 尽管机器学习在许多领域取得了巨大的成功，但缺乏可解释性严重限制了其在现实任务尤其是安全敏感任务中的广泛应用.为了克服这一弱点，许多学者 ...

#70. 如何实现可信AI：可解释性

泛化一直是机器学习模型中的一个关注点。它代表了从有限的训练数据中提炼知识以对未见数据做出准确预测的能力。一方面，泛化要求AI ...

#71. 使用LIME 解釋複雜的分類模型 - David's Perspective

許多領域問題除了準確的預測外，更需要了解為什麼模型會得出這樣的預測，以便辨認模型的前在風險及輔助人類做決策，因此可解釋的機器學習模型是近年 ...

#72. 基于LIME的改进机器学习可解释性方法

随着机器学习技术不断取得突破性进展，越来越多的决策交给复杂自动化的机器学习算法去做。但这些. 高性能的模型就像黑盒子，缺乏决策逻辑的透明度和可解释性。

#73. 智慧医疗的机器学习模型可解释性方法研究综述

关键字：机器学习模型，深度学习，可解释性，解释方法，智慧医疗。 1.引言. 从1956 年在美国达特茅斯学院开会研讨“如何用机器模拟人的 ...

#74. 可解釋的機器學：用因果推斷來學習箇中奧祕

可解釋的機器 學：用因果推斷來學習箇中奧祕| 作者: 郭若城、程璐、劉昊、劉歡| 深智數位2023/06/21出版| 類別: 電腦資訊＞ 概論／硬體／創客＞ 創客／人工智慧| ISBN: ...

#75. 可解釋的人工智能——如何在黑盒算法中建立信任

為確保這些模型按預期運行，任何AI 系統的輸出都應該可以向人類解釋。 在本文中，我們將討論可解釋性在AI 中的重要性。 我們將簡要概述用於從機器學習模型 ...

#76. 基于SHAP的机器学习可解释性实战

近年来，可解释的人工智能（XAI）和可解释的机器学习引起了越来越多的关注，因为直接把模型当做黑箱使用信任度和可控度都会受影响。

#77. 2019 年商业智能10 大趋势| 可解释型AI

随着企业越来越依赖于AI 人工智能和机器学习模型，如何能确保它们是值得信赖的?可解释型AI 应运而生。

#78. 可解释人工智能： 可信赖机器的关键

出了一种技术，该技术可识别在机器学习训. 练阶段观察到的结果与在操作过程中获得的. 结果之间的差异[10]。在英特尔的另一项专. 利申请中，描述了神经网络对可解释AI 的.

#79. 你知道機器學習(Machine Learning)，有幾種學習方式嗎?

大數據的應用毫無疑問地是未來科技發展重要的一環。但要發揮資料的價值就不能忽略機器學習以及人工智慧。若要簡單解釋這三者的關係：大數據為材料、 ...

#80. 唯一《可解释机器学习》中文书来了：复旦研究生翻译

而关于机器学习可解释问题的书籍少之又少。 最近，一位来自复旦大学的研究生朱明超，将一本少有的书《Interpretable Machine Learning》（可解释机器学习 ...

#81. ​相信你的模型：初探机器学习可解释性研究进展

图1 如今的深度学习 [1] 所以为了提高机器学习模型的可解释性和透明性，使用户和决策模型之间建立信任关系，近年来学术界进行了广泛和深入的研究并提出了 ...

#82. 可解释机器学习免费电子书下载

推荐一本机器学习相关的开源书籍：《Interpretable Machine Learning》，中文译名：《可解释的机器学习》。

#83. 加速可解释机器学习以构建多样化投资组合

可解释机器学习 模型提供了帮助。 Munich RE 保险市场团队在GTC 21 上介绍了整个方法。可以看到视频here。正如我们在下文中所描述的，团队 ...

#84. Knowledge Studio 機器學習和預測分析｜軟體簡介

作為公認的分析領導者，Knowledge Studio 通過AutoML 和可解釋AI 等功能為機器學習帶來透明度和自動化，而無需限制模型的配置和調整方式，讓您可以控制模型構建。 查看其他 ...

#85. 結合臨床和放射組學特徵的演化學習預後預測模型

深度學習（deep learning）是機器學習的分支，是一種以 ... 肝細胞癌術後復發預測的臨床應用，其預測結果無法馬上獲得印證，因此AI模型預測結果的可解釋性就格外顯得重要。

#86. 機率推斷和可解釋機器學習用於風險分析和貸款決策

機率推斷和可解釋機器學習用於風險分析和貸款決策. 研究. Bank loan online banking. 我們開發了一個整合的可解釋機器學習（ML）模型和人工智能系統，支持高效、一致和 ...

#87. 深度學習與機器學習：簡單辨別兩者差異 - Zendesk

如果人工智慧演算法傳回不準確的預測，工程師就要介入並進行調整。 在深度學習的模型中，演算法可透過自有的神經網路自行判定預測結果是否準確。 回到剛剛 ...

#88. 《可解释机器学习：模型、方法与实践》电子书在线阅读

可解释机器学习 ：模型、方法与实践》作者：邵平；杨健颖；苏思达等，内容简介：文中通过三个不同的应用场景，介绍在银行实战中的数据挖掘方法，由问题、处理方法出发， ...

#89. 【Ai小觀念】模型可解釋性嗎？ - Tako

* 決策樹是機器學習裡面一種基於樹狀所產生的演算法，其可解釋性非常的高。 tag：#深度學習、 #決策樹、 #模型可解釋性 文章作者：Isaac. FB留言. TAKO ...

#90. 关于发布可解释、可通用的下一代人工智能方法重大研究计划 ...

本重大研究计划面向以深度学习为代表的人工智能方法鲁棒性差、可解释性差、对数据的依赖性强等基础科学问题，挖掘机器学习的基本原理，发展可解释、可通用 ...

#91. 可解释人工智能(XAI)元年——XAI在金融领域中的应用实践

工智能的核心,即让机器代替人来学习数据,利用其一定程度上超越人类的学习、分析、推理能力,做出复杂的逻辑判断。随着人工智能技术的不断发展,机器学习 ...

#92. 科技部與台大發表XAI 可解釋性人工智慧模組xCos - INSIDE

簡單來說，過去機器學習訓練出來的AI 只能告訴你機率多少、該不該做，但無法跟你講背後的理由是什麼。例如過去的人臉辨識AI 只能說這張照片是不是 ...

#93. 使用AutoML和模型可解释性打破机器学习应用壁垒视频- MATLAB

本讲座将介绍如何使用MATLAB一系列工具更快更好地进行 机器学习 。

#94. 混凝土结构基本性能的可解释机器学习建模方法

结果表明，相比传统的经验模型，机器学习方法具有较高的预测精度和计算效率，且可以给出不同输入参数对于模型输出结果的影响，实现了预测结果的可解释性， ...

#95. 金融风控场景的机器学习模型可解释性浅析

而随着机器学习发展和应用的深入，模型“可解释性”的问题也越来越被公众关注。2021年出台的《个人信息保护法》，要求自动化决策应当保证决策的透明度和结果 ...

#96. 可解釋的機器學習－用因果推斷來學習箇中奧祕

可解釋的機器學習 －用因果推斷來學習箇中奧祕. {{SalePageIndexCtrl.SalePageCommentEntity.AvgRatingStars}} ( {{SalePageIndexCtrl.SalePageCommentEntity ...

#97. [廣宣學堂] 模型探索技法: 可解釋的AI模型 - KKTIX

機器學習 的模型可解釋化，是近年新興的研究主題。如何讓訓練的模型符合實際需要狀況、不產生偏差，透過Google提供探索工具，評估在長期的預測行為上， ...

#98. 一文读懂可解释机器学习简史，让你的模型再也不是「Black ...

当机器学习模型用在产品、决策或者研究过程中的时候，「可解释性」通常是一个决定因素。 可解释机器学习（Interpretable machine learning ...